将扫描式激光雷达传感器添加到大多数移动测绘系统中已成为标准配置,并且它们可以提供令人印象深刻的三维细节。为了提供LiDAR点云的真实世界坐标,通常会使用GNSS/IMU系统进行外部定位(EO),后处理通常可以提供最佳的EO估计结果。为了生成最终的点云,导航EO参数可以直接使用,也可以用作后续激光雷达处理(如SLAM)的初始近似值。因此,改进由GNSS/IMU系统产生的EO值的精度非常可取。
本文研究了将逐次扫描激光雷达匹配直接添加到导航处理工作流中的好处。虽然仅使用激光雷达匹配可能对表面几何非常敏感,但由于激光雷达惯性耦合处理的存在,组合方法更加健壮。此外,为了获得最佳结果,该耦合方法要求对融合的每个传感器进行准确的误差建模。使用Velodyne HDL-32传感器收集的室内和室外数据集,在GNSS覆盖范围有限或无法获取的区域,该算法明显改善了仅使用GNSS/INS的解决方案。对于室外数据集,移除了部分GNSS数据,从而提供了除了参考轨迹之外的具有卫星中断的轨迹,这通常在城市峡谷中发生。这些时间段的结果显示,在添加激光雷达数据后,位置计算显著改善。
获取带有参考点的室内数据集是困难的,但通过激光雷达导航处理可以明显改善点云,并且还可以分析具有多次扫描的区域的视觉差异。研究表明,组合的GNSS/IMU/LiDAR处理可可靠地在建筑室内产生亚米级甚至亚50厘米的结果,这为后续SLAM算法的自动寻找回环点提供了良好的初始估计。